STEaMINg : semantic time evolving models for industry 4.0

par Franco Giustozzi

Thèse de doctorat en Informatique

Sous la direction de Cecilia Zanni-Merk.

Le président du jury était Habib Abdulrab.

Le jury était composé de Cecilia Zanni-Merk, Anne Håkansson, Davy Monticolo, Nathalie Pernelle, Edward Szczerbicki, Julien Saunier.

Les rapporteurs étaient Anne Håkansson, Davy Monticolo.

  • Titre traduit

    STEaMINg : modèles sémantiques qui évoluent dans le temps pour l'industrie 4.0


  • Résumé

    Dans l'industrie 4.0, les machines des usines sont équipées de capteurs qui collectent des données pour une surveillance efficace de l'état des équipements. C’est une tâche difficile car elle nécessite l’intégration et le traitement de données hétérogènes provenant de différentes sources, avec des résolutions temporelles et des significations sous-jacentes différentes. Les ontologies apparaissent comme une méthode pertinente pour traiter l’intégration des données et pour représenter la connaissance de manière interprétable par les machines grâce à la construction de modèles sémantiques. De plus, la surveillance des processus industriels dépend du contexte dynamique de leur exécution. Dans ces circonstances, le modèle sémantique lui-même doit évoluer afin de représenter dans quelle(s) situation(s) se trouve(nt) la ou les ressources pendant l’exécution de ses tâches pour soutenir la prise de décision. Cette thèse étudie l’utilisation des méthodes de représentation des connaissances pour construire un modèle sémantique évolutif qui représente le domaine industriel, en mettant l’accent sur la modélisation du contexte pour fournir la notion de situation.


  • Résumé

    In Industry 4.0, factory assets and machines are equipped with sensors that collect data for effective condition monitoring. This is a difficult task since it requires the integration and processing of heterogeneous data from different sources, with different temporal resolutions and underlying meanings. Ontologies have emerged as a pertinent method to deal with data integration and to represent manufacturing knowledge in a machine-interpretable way through the construction of semantic models. Moreover, the monitoring of industrial processes depends on the dynamic context of their execution. Under these circumstances, the semantic model must evolve in order to represent in which situation(s) a resource is in during the execution of its tasks to support decision making. This thesis studies the use of knowledge representation methods to build an evolving semantic model that represents the industrial domain, with an emphasis on context modeling to provide the notion of situation.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Institut national des sciences appliquées (Rouen Normandie).
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.